Unverified50% confidenceTradeoffExact time
简单模型（如线性回归）通常高偏差低方差，复杂模型（如深层神经网络）则低偏差高方差
1
Sources
50%
Confidence
Long-term
Relevance
9/7/2026
First Seen
Sources
Related Entities
Related Claims
Unverified目前双重下降的严格理论证明主要在线性模型和随机特征模型等简化设定下给出，深度非线性网络的完整数学刻画仍是开放问题73% similarUnverified大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整71% similarUnverified集成学习的理论基础来自偏差-方差权衡框架，单一复杂模型存在高方差而简单模型存在高偏差70% similarUnverified简单模型在小样本、特征工程充分的场景中往往不输复杂模型69% similarUnverified级联路由策略的核心逻辑是'能用小模型解决的绝不动用大模型'，只有当小模型输出置信度低于阈值时才触发更高成本的模型68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/869799API
curl https://kongchang.com/api/v1/knowledge/claims/869799MCP
get_claim(id=869799)